O projeto teve como missão criar um copiloto logístico inteligente, usando a abordagem RAG (Retrieval-Augmented Generation), capaz de atuar integrado ao LES (Logistics Execution System) para transformar operações logísticas tradicionais em processos inteligentes. A solução foi pensada para interpretar entradas em linguagem natural e cruzar essas entradas com dados operacionais como etiquetas, posições de armazenagem, layouts de estoque, tempos de movimentação e status de inventário. Com isso, o copiloto passa a oferecer apoio direto a quem está na operação, eliminando a necessidade de buscar manualmente informações em sistemas distintos, facilitando decisões rápidas e entregando mais precisão no fluxo logístico.

O maior desafio foi desenvolver uma solução capaz de lidar com a complexidade e a fragmentação dos dados logísticos, garantindo que o copiloto pudesse entender não apenas os comandos e perguntas feitos em linguagem natural, mas também o contexto por trás dessas perguntas. Era necessário conectar o copiloto a diferentes sistemas (como WMS, ERP e históricos de movimentação) e garantir que ele conseguisse traduzir consultas complexas em insights acionáveis. Além disso, era essencial construir um sistema que lidasse com os desafios típicos do chão de fábrica: variações nas operações, desvios não previstos, informações dispersas e necessidade constante de decisões em tempo real.

A ideia foi criar uma arquitetura multimodal inteligente, onde o copiloto logístico atua como um elo entre operadores e sistemas. Ele recebe perguntas e comandos em linguagem natural (por exemplo, “onde estão os materiais substituídos não distribuídos?” ou “qual é a principal causa de atraso no picking?”), busca as respostas em bases atualizadas e entrega informações organizadas, acionáveis e enriquecidas com contexto. A aplicação combina inteligência analítica, histórico operacional e conectividade com sistemas legados, transformando dados brutos em respostas que ajudam não apenas a entender o que está acontecendo, mas a decidir rapidamente o que fazer.

• Otimização da alocação de materiais nos bins

• Redução do tempo de picking com agrupamento inteligente

• Sugestões dinâmicas para substituições não distribuídas

• Prevenção de congestionamentos em rotas e zonas de trabalho

• Identificação de desvios e falhas em processos logísticos

• Ajuste inteligente das estratégias de retrabalho e fallback

• Integração fluida entre sistemas e históricos

• Padronização de processos e redução de falhas manuais

• Criação de um copiloto logístico inteligente para suporte em tempo real

Os benefícios incluem a otimização da alocação de materiais nos bins, garantindo que os recursos certos estejam sempre nos locais certos, reduzindo erros e desperdícios. O sistema reduz significativamente o tempo de picking ao sugerir agrupamentos inteligentes e sequências otimizadas, acelerando operações e aumentando a produtividade. Ele também permite identificar rapidamente materiais substituídos ou não distribuídos, evitando gargalos e paradas no processo.

Além disso, o copiloto previne congestionamentos em rotas e zonas de trabalho, melhorando o fluxo geral dentro do armazém. Ele ajusta dinamicamente estratégias de retrabalho e fallback, garantindo que falhas sejam resolvidas rapidamente e sem comprometer a operação. A integração fluida entre sistemas legados, históricos e dados em tempo real aumenta a rastreabilidade e fortalece a governança das operações. Com processos padronizados e redução de falhas manuais, o sistema gera ganhos claros em eficiência, precisão e agilidade, criando um copiloto logístico inteligente capaz de apoiar decisões operacionais em tempo real.